Gentoo Linux

Michał Górny, una figura destacada en la comunidad de Gentoo, ha resaltado preocupaciones sobre los crecientes problemas relacionados con el contenido generado por IA y es por ello que aboga por un enfoque en pro de salvaguardar la integridad del contenido de Gentoo al proponer una prohibición de las contribuciones generadas por IA.

Ante esta propuesta, la junta directiva de Gentoo ha establecido una serie de normativas que prohíben el uso de herramientas de inteligencia artificial, como ChatGPT, Bard y GitHub Copilot, para la creación de contenido relacionado con la distribución Gentoo. Esto abarca la redacción de código para componentes de Gentoo, la creación de ebuilds, la preparación de documentación y el envío de informes de errores.

Ademas de ello, propuesta de Górny tiene como objetivo mantener la reputación de Gentoo por su autenticidad y calidad. Al asegurarse de que el contenido sea creado por colaboradores humanos, Gentoo puede mantener sus estándares y evitar riesgos legales y éticos asociados con el contenido generado por IA.

Las principales preocupaciones que llevaron a esta prohibición incluyen:

Riesgo de infracción de derechos de autor

Actualmente, aún existe incertidumbre sobre posibles infracciones de derechos de autor en contenido generado por modelos de IA entrenados con grandes conjuntos de datos, por lo que la legalidad del contenido generado por IA en términos de derechos de autor sigue siendo incierta. Los modelos de IA a menudo se entrenan con material protegido por derechos de autor, y existe el riesgo de que las herramientas de IA produzcan contenido que infrinja las leyes de derechos de autor. Además, surge la preocupación por la incapacidad de garantizar el cumplimiento de los requisitos de licencia en el código generado por herramientas de IA, ya que el código generado puede ser considerado un trabajo derivado sujeto a ciertas licencias.

Por ejemplo, entrenar un modelo de inteligencia artificial en código sujeto a una licencia que requiere atribución, el código generado por herramientas de IA no cumple con este requisito, lo que podría ser considerado una violación de varias licencias abiertas como la GPL, MIT y Apache, que son comúnmente utilizadas en proyectos de software libre y de código abierto. Esto se debe a que el código generado no proporciona la atribución necesaria al autor original del código utilizado para entrenar el modelo.

Además, pueden surgir problemas de compatibilidad de licencias al incorporar código generado por modelos entrenados en proyectos que utilizan licencias copyleft en entornos con licencias permisivas. Las licencias copyleft, como la GPL, requieren que las obras derivadas se distribuyan bajo la misma licencia copyleft, lo que podría entrar en conflicto con las licencias permisivas que permiten una mayor libertad en el uso y distribución del software derivado.

 Garantía de Calidad

Aunque el código o texto generado por herramientas de IA puede parecer correcto superficialmente, se ha demostrado que el contenido generado por IA puede variar ampliamente en calidad. Si bien algunos modelos de IA pueden producir contenido plausible, existe el riesgo de generar material sin sentido o inexacto. El uso de este contenido sin verificación podría resultar en proyectos de menor calidad y aumentar la carga de trabajo para verificar la precisión y calidad del código.

La verificación de código generado por herramientas de inteligencia artificial requiere un esfuerzo considerable para garantizar la precisión y la calidad. Al analizar informes de errores generados automáticamente, los desarrolladores enfrentan el desafío de distinguir entre informes útiles y aquellos que no son relevantes o contienen información incorrecta. Esto puede resultar en la pérdida de tiempo al revisar repetidamente la información y verificar los hechos, ya que la calidad aparente del diseño puede generar una falsa sensación de confianza en la información proporcionada.

La calidad externa del diseño del código generado por IA puede dar la impresión de que todo está en orden, lo que puede llevar a los revisores a pasar por alto problemas y puede resultar en la necesidad de revisar y verificar múltiples veces la información contenida en los informes generados automáticamente, lo que consume tiempo y recursos valiosos de desarrollo.

Consideraciones Éticas

La rápida proliferación de contenido generado por IA ha planteado preocupaciones éticas y se mencionan preocupaciones éticas relacionadas con la infracción de derechos de autor al entrenar modelos de IA, el impacto ambiental debido a los altos costos de energía en la creación de estos modelos y potencialmente facilitar el spam y las estafas. Es por ello que la comunidad de Gentoo quiere garantizar que el contenido sea creado por colaboradores humanos se alinea con los valores de autenticidad y calidad de Gentoo.

Finalmente, se menciona que la comunidad de Gentoo señala que el nuevo requisito de prohibir el uso de herramientas de inteligencia artificial no se aplicará de manera selectiva a aquellas herramientas que puedan demostrar que no infringen derechos de autor, mantienen altos estándares de calidad y no plantean problemas éticos. Esto sugiere que, si una herramienta de IA puede garantizar la ausencia de conflictos legales, asegurar la calidad del trabajo producido y cumplir con estándares éticos aceptables, podría considerarse para su uso en proyectos de Gentoo, a pesar de la prohibición general.

Si estás interesado en poder conocer más al respecto, puedes consultar los detalles en el siguiente enlace.

from Linux Adictos https://ift.tt/4JaFXvl
via IFTTT

OS Zone celebra 5 años

Open Source Zone o mejor conocido como «OS Zone» es una iniciativa que nació de la mano de la Open Invention Network ( OIN) y Unified Patents, como respuesta a la famosa demanda que se realizó contra del proyecto Gnome por parte de Rothschild Patent Imaging (un troll de patentes que fue sumamente conocido por dirigirse a pequeñas empresas y empresas emergentes con demandas por infracción de patentes)  donde este realizo reclamaciones por infracción de patentes relacionadas con las funciones de importación y filtrado de imágenes de cámaras digitales en Shotwell.

El caso fue bastante conocido tanto en la comunidad de Linux, open source y en general, ya que se llevó un seguimiento por parte de muchos y sobre todo que muchos tendieron la mano (la Open Invention Network en especial) a Gnome para defenderse en los tribunales.

Recientemente, Open Invention Network anunció el quinto aniversario de la iniciativa OS Zone, la cual ha estado trabajando arduamente defendiendo a proyectos de código abierto de demandas y, especialmente, invalidando las patentes para prevenir que sean reutilizadas, lo cual es sumamente importante, ya que la mayoría de trolls de patentes basan su método en la adquisición de patentes y solo se basan en eso, en poseer la propiedad intelectual, sin involucrarse en actividades de desarrollo o producción. Esta situación hace imposible presentar una contrademanda por violación de términos de uso de las patentes en cualquier producto. Por ende, la estrategia se centra en demostrar la inconsistencia del producto utilizado en la reclamación de patente.

«Las empresas que crean productos que utilizan tecnologías de código abierto deben ayudar a proteger a las comunidades de código abierto de las amenazas planteadas por los abusadores de patentes de baja calidad», afirmó Justin Colannino, asesor general asociado de código abierto de Microsoft. «Aplaudimos el enfoque innovador adoptado por OS Zone y pedimos a otras empresas que apoyen soluciones que protejan la innovación de código abierto de amenazas específicas».

Y es que debido al caso de éxito de anular la demanda que había recibido Gnome, esto sentó una base sobre la cual la OS Zone ha trabajado para proteger el software de código abierto de los ataques de trolls de patentes y desde entonces OS Zone ha cumplido con su finalidad, el de proteger el software de código abierto de los ataques de trolls de patentes que no tienen activos y viven únicamente de demandas judiciales que utilizan patentes dudosas.

OS Zone recibe el apoyo de Unified Patents quien se enfoca en hacer costoso el litigio para los trolls de patentes, lo que puede desalentar sus ataques al hacer que el costo legal sea superior a cualquier regalía que busquen, mientras que la Open Invention Network trabaja para proteger el ecosistema Linux de reclamaciones de patentes por medio de sus miembros que acuerdan no hacer valer reclamaciones de patentes y permitir el uso libre de tecnologías patentadas en proyectos relacionados con Linux.

De los principales patrocinadores del trabajo de OS Zone, también empresas líderes en tecnología como Amazon, Apple, CableLabs, Mercedes-Benz, Meta, ServiceNow y Twilio han prometido su apoyo este año, demostrando el compromiso de la industria tecnológica con la protección y promoción del OSS frente a posibles amenazas legales.

Keith Bergelt, director ejecutivo de Open Invention Network, destacó la importancia de esta colaboración:

«Vemos un valor significativo en asociarnos nuevamente con The Linux Foundation y Microsoft para respaldar la Zona de SO de Patentes Unificadas. También nos complace dar la bienvenida a nuevas empresas que brindan apoyo financiero para continuar financiando las operaciones de OS Zone».

Por otra parte, también se menciona que OS Zone ha tenido éxito en impugnar más de 54 patentes PAE que representaban una amenaza para las tecnologías OSS en los últimos cuatro años. Proyectos y tecnologías de código abierto como Apache, Bluez, Linux, Kubernetes, Mozilla Firefox y muchos otros han sido protegidos gracias a esta iniciativa.

Si estás interesado en poder conocer más al respecto, puedes consultar los detalles en el siguiente enlace.

from Linux Adictos https://ift.tt/MDm0FzJ
via IFTTT

Jpegli

Google dio a conocer hace a varios días mediante una publicación de blog el lanzamiento de Jpegli, una nueva biblioteca de código abierto que ofrece un codificador y decodificador de imágenes JPEG avanzado y que está diseñada para mejorar significativamente la compresión de imágenes sin comprometer la calidad.

Jpegli, tiene como objetivo reducir significativamente el tamaño de los archivos JPEG mientras mantiene la calidad de la imagen y evita los artefactos comunes en las imágenes comprimidas.  El término «li» al final de jpegli proviene de los dialectos alemanes suizos y significa «pequeño», lo que refleja su enfoque en la reducción del tamaño de los archivos JPEG.

Características de Jpegli

Una característica destacada de Jpegli es que es un poco mejor que WebP gracias a su compresión más rápida y de mayor calidad, además de que su capacidad para codificar imágenes con 10 o más bits por componente de color, manteniendo al mismo tiempo la compatibilidad con los decodificadores JPEG existentes que solo admiten 8 bits por componente de color. Esto garantiza que las imágenes codificadas con jpegli cumplan totalmente con el estándar JPEG y sean compatibles con visores y navegadores web convencionales. Además, la biblioteca ofrece una velocidad de codificación comparable a la de bibliotecas como libjpeg-turbo y MozJPEG.

De las características que se destacan de Jpegli, se mencionan las siguientes:

Mejoras de compatibilidad y compresión

Jpegli mantiene una alta compatibilidad con las versiones anteriores del formato JPEG, lo que garantiza una integración sin problemas en los sistemas existentes. Además, ofrece una mejora impresionante del 35% en la relación de compresión en configuraciones de alta calidad, lo que se traduce en un rendimiento más rápido de las páginas web sin comprometer la nitidez de las imágenes.

Mejoras de eficiencia y rendimiento

Jpegli es superior a los decodificadores JPEG existentes, ya que tiene una mejor eficiencia y rendimiento. El codificador y decodificador de Jpegli son totalmente interoperables y cumplen con el estándar JPEG original. Esto significa que los desarrolladores pueden integrar Jpegli en sus flujos de trabajo existentes sin sacrificar la velocidad de codificación o el uso de la memoria. Además, la velocidad de codificación de Jpegli es comparable a los enfoques tradicionales como libjpeg-turbo y MozJPEG, lo que garantiza un rendimiento óptimo.

Mejoras de calidad de Imagen

La biblioteca utiliza técnicas avanzadas para calcular de manera precisa los resultados intermedios durante la compresión y descompresión de imágenes. Esto se traduce en imágenes de alta calidad con menos artefactos visibles y una apariencia más nítida. Además permite la codificación con más de 10 bits por componente, lo que mejora aún más la calidad de imagen al reducir los artefactos de bandas en gradientes lentos.

Técnicas de codificación

Jpegli incorpora una serie de técnicas nuevas para mejorar la calidad de la imagen y reducir el ruido. Estas incluyen cuatro elementos clave para lograr una mayor compresión sin perder calidad:

1. Cuantización Adaptativa: En lugar de utilizar cuantización fija como en los archivos JPEG tradicionales, jpegli emplea cuantización adaptativa. Esta técnica ajusta qué elementos de una imagen deben conservarse según las regiones de la imagen, reduciendo el ruido y manteniendo los detalles intactos. Esto permite una compresión del 35% sin comprometer la calidad.
2. Selección de Matriz Mejorada: Jpegli utiliza una selección mejorada de matrices de cuantificación, lo que contribuye a optimizar la compresión y calidad de la imagen. Esta mejora se basa en las técnicas avanzadas de selección de matrices utilizadas en bibliotecas como JPEG XL.
3. Cálculos Precisos: La biblioteca realiza cálculos precisos durante el proceso de compresión y descompresión, asegurando una representación fiel de la imagen original y evitando la introducción de artefactos no deseados.
4. Espacio de Color Avanzado Opcional: Jpegli también ofrece la opción de utilizar un espacio de color avanzado, lo que permite una mayor flexibilidad y precisión en la representación de colores, especialmente en imágenes con una amplia gama cromática.

Lo más notable de jpegli es su enfoque en la calidad de imagen. Utiliza tecnologías avanzadas para reducir el ruido y mejorar la calidad visual, aplicando métodos de modelado psicovisual más efectivos para minimizar los artefactos en las imágenes resultantes. Estas mejoras se basan en las heurísticas de cuantificación adaptativas utilizadas en el proyecto JPEG XL, así como algoritmos mejorados para la selección de matrices de cuantificación y cálculos intermedios.

Si estás interesado en poder conocer más al respecto, puedes consultar los detalles en el siguiente enlace y puedes consultar su código fuente en el siguiente enlace.

from Linux Adictos https://ift.tt/WBh4nyU
via IFTTT

Sí. A veces hecho de menos Windows. No lo uso como sistema principal desde 2007, cuando di el salto definitivo a Linux, pero a veces me gustaría. Estando por encima del 70% en equipos de escritorio, es el sistema operativo que más cuidan los desarrolladores, y eso se nota. Todas las aplicaciones importantes están para Windows, incluso muchas que se desarrollan principalmente para Linux, y cuando algo me va mal es inevitable pensar en cómo me iría si intentara lo mismo en el sistema de Microsoft.

Si lo hecho de menos ahora es por mi centro multimedia, aquel en el que quiero ver cualquier tipo de contenido, escuchar música y jugar a emuladores. En los últimos días he probado varios sistemas en mi Raspberry Pi, como Batocera, FydeOS o Android – también en su versión tv -, pero nada me satisface. Todo tiene unas carencias que no tiene Windows, y uno se plantea hacer una especie de «system hopping» y darle otra oportunidad a un sistema que por lo general parece que le provoque urticaria.

Por qué pienso en Windows

Cuando algo nos va mal, es habitual echar una mirada atrás en el tiempo y ponerse a recordar. Estos días he estado probando a ver cierto contenido con una VPN, pero mi equipo principal para el entretenimiento va muy justo y no funciona especialmente bien. A veces sí, a veces no… La última vez que lo he hecho me ha añadido un perfil en el apartado de redes del sistema operativo que me dejó sin conexión hasta que descubrí qué era lo que estaba pasando. Así que uno se pone a pensar:

• Android en la Raspberry Pi: para ser honesto, no tengo claro que no funcione y es probable que lo haga si elijo el perfil adecuado y reinicio. Pero el hecho es que no conseguí que sonara ni en Android, ni Android TV, ambos de KonstaKANG, ni Emteria. No había audio. Android en la Raspberry Pi, ahora que funciona la aceleración por hardware, sería casi perfecto para lo que yo busco. Me permitiría hacer uso de VPNs, un montón de aplicaciones y a buen rendimiento, pero si no se oye nada, no sirve. Lo volveré a intentar uno de estos días, aunque no sería lo mejor para la emulación.
• Batocera Linux: ofrece buen rendimiento y tiene Kodi incluido, pero no permite usar VPNs ni cuenta con un sencillo navegador.
• Raspberry Pi OS: la versión de 32 bits, sí, podría valer. Me permite usar AceStream… pero no instalar software de 64bit. La de 64bit no me permite usar AceStream.
• Mi Xiaomi Mi Box es una opción, pero con 8GB de almacenamiento y 2GB de RAM se me queda corta.
• Adquirí un Apple TV en 2015 y es una delicia, pero sólo para aplicaciones oficiales.

Al final suelo decantarme por el viejo portátil con Manjaro. Lo malo es que el rendimiento no es el mejor, y el uso de VPNs no es el más adecuado.

Windows, por su parte, tiene disponibles montones de aplicaciones, incluso en la Microsoft Store. Tiene Kodi, tiene VPNs, es compatible con ES-DE y hay documentación para conseguir de todo, incluso aquello menos lícito. Como pasa con Ubuntu cuando se busca información sobre cómo hacer algo en Linux, la mayoría de tutoriales tienen a Windows de fondo, y si quieres hacerlo en Linux hay que buscar la manera.

Pero luego lo instalo y se me pasa

Eso que nos hizo mirar atrás en el tiempo es lo mismo que hace que, por lo menos en mi caso, no vuelva a Windows. Esto es como cuando uno recuerda a una ex-pareja en un momento en el que no está del todo bien: sólo recuerda lo bueno, pero si pensamos más a fondo también vamos a recordar el motivo por el que lo dejamos estar.

En el caso de Windows, yo lo tenía con inicio dual junto a Ubuntu, y me ponía malo lo lento que iba todo. Al final me pasaba todo el tiempo en Ubuntu, y cuando solucioné algunos problemas desinstalé Windows. Tiempo después aprendí cómo usar ES-DE en Manjaro y ahí me he quedado hasta ahora.

El rendimiento fue lo que me hizo abandonar Windows hace tanto tiempo, y no lo volveré a usar a menos que me obliguen. Eso o tenga un súper ordenador para un centro multimedia. Al final Linux termina dándome más alegrías.

from Linux Adictos https://ift.tt/sh5Av4c
via IFTTT